NumPy - Python pour le calcul scientifique
Pourquoi utiliser numpy ?
Les listes Python sont très pratiques mais :
Les operations mathématiques entre listes de grande taille sont
lentes.
Elles ont une empreinte mémoire importante.
Pour les matrices, par exemple, vous avez besoin d’une liste de
listes...
>>> from random import random
>>> from operator import add
>>> import time
>>> n = 10000000
>>> l1 = [random() for iin range(n)]
>>> l2 = [random() for iin range(n)]
>>> start = time.clock()
>>> l3 = map(add, l1, l2)
>>> print time.clock() - start
1.65
>>> import numpy as np
>>> a1 = np.array(l1)
>>> a2 = np.array(l2)
>>> start = time.clock()
>>> a3 = a1+a2
>>> print time.clock() - start
0.1
Pierre Navaro (IRMAR) NumPy ENSAI le 23 mars 2016 2 / 1
Pourquoi utiliser numpy ?
Les listes Python sont très pratiques mais :
Les operations mathématiques entre listes de grande taille sont
lentes.
Elles ont une empreinte mémoire importante.
Pour les matrices, par exemple, vous avez besoin d’une liste de
listes...
>>> from random import random
>>> from operator import add
>>> import time
>>> n = 10000000
>>> l1 = [random() for iin range(n)]
>>> l2 = [random() for iin range(n)]
>>> start = time.clock()
>>> l3 = map(add, l1, l2)
>>> print time.clock() - start
1.65
>>> import numpy as np
>>> a1 = np.array(l1)
>>> a2 = np.array(l2)
>>> start = time.clock()
>>> a3 = a1+a2
>>> print time.clock() - start
0.1
Pierre Navaro (IRMAR) NumPy ENSAI le 23 mars 2016 2 / 1
Pourquoi utiliser numpy ?
Les listes Python sont très pratiques mais :
Les operations mathématiques entre listes de grande taille sont
lentes.
Elles ont une empreinte mémoire importante.
Pour les matrices, par exemple, vous avez besoin d’une liste de
listes...
>>> from random import random
>>> from operator import add
>>> import time
>>> n = 10000000
>>> l1 = [random() for iin range(n)]
>>> l2 = [random() for iin range(n)]
>>> start = time.clock()
>>> l3 = map(add, l1, l2)
>>> print time.clock() - start
1.65
>>> import numpy as np
>>> a1 = np.array(l1)
>>> a2 = np.array(l2)
>>> start = time.clock()
>>> a3 = a1+a2
>>> print time.clock() - start
0.1
Pierre Navaro (IRMAR) NumPy ENSAI le 23 mars 2016 2 / 1
Pourquoi utiliser numpy ?
Les listes Python sont très pratiques mais :
Les operations mathématiques entre listes de grande taille sont
lentes.
Elles ont une empreinte mémoire importante.
Pour les matrices, par exemple, vous avez besoin d’une liste de
listes...
>>> from random import random
>>> from operator import add
>>> import time
>>> n = 10000000
>>> l1 = [random() for iin range(n)]
>>> l2 = [random() for iin range(n)]
>>> start = time.clock()
>>> l3 = map(add, l1, l2)
>>> print time.clock() - start
1.65
>>> import numpy as np
>>> a1 = np.array(l1)
>>> a2 = np.array(l2)
>>> start = time.clock()
>>> a3 = a1+a2
>>> print time.clock() - start
0.1
Pierre Navaro (IRMAR) NumPy ENSAI le 23 mars 2016 2 / 1
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
1
/
63
100%
